فلش‌کارت‌های آموزشی کاربرد MARL در هدایت و ناوبری فضاپیماها

📚 کتاب آموزشی جامع

📚 اطلاعات کتاب

عنوان کتاب: کتاب کاربرد MARL در هدایت و ناوبری فضاپیماها

موضوع کلی: یادگیری تقویتی چندعامله (MARL)

موضوع میانی: یادگیری تقویتی چندعامله برای استراتژی‌های اکتشاف فضایی

📋 سرفصل‌های کتاب (100 موضوع)

• 1. مقدمه ای بر یادگیری تقویتی چند عامله (MARL)
• 2. مبانی یادگیری تقویتی (RL)
• 3. عامل ها و محیط ها در RL
• 4. تابع پاداش و تابع ارزش
• 5. الگوریتم های یادگیری RL: Q-learning، SARSA
• 6. الگوریتم های مبتنی بر گرادیان سیاست
• 7. یادگیری عمیق RL (DRL)
• 8. شبکه های عصبی در DRL
• 9. مقدمه ای بر MARL
• 10. تفاوت های MARL با RL تک عامله
• 11. چالش های اصلی در MARL
• 12. عدم ایستایی محیط (Non-stationarity)
• 13. مقیاس پذیری (Scalability)
• 14. ارتباطات بین عامل ها
• 15. هماهنگی و رقابت بین عامل ها
• 16. مسائل تعادل (Equilibrium concepts)
• 17. کاربرد MARL در سیستم های فضاپیما
• 18. مفاهیم هدایت و ناوبری فضاپیما
• 19. مدل های دینامیکی فضاپیما
• 20. محیط های شبیه سازی شده فضاپیما
• 21. محیط های واقعی فضاپیما
• 22. مدل های سنسور فضاپیما
• 23. مدل های اثرگذار فضاپیما
• 24. مسائل هدایت فضاپیما
• 25. هدایت نقطه ای (Point-to-point guidance)
• 26. هدایت پیوسته (Continuous guidance)
• 27. هدایت به سمت اهداف متحرک
• 28. هدایت در حضور اغتشاشات (Perturbations)
• 29. هدایت در مدارات پیچیده
• 30. هدایت برای مانورهای مداری (Orbital maneuvers)
• 31. هدایت برای فرود (Landing guidance)
• 32. هدایت برای برقراری ارتباط (Rendezvous guidance)
• 33. مسائل ناوبری فضاپیما
• 34. تخمین وضعیت فضاپیما (State estimation)
• 35. فیلتر کالمن (Kalman Filter)
• 36. فیلتر ذرات (Particle Filter)
• 37. ناوبری مبتنی بر ستاره (Star tracker navigation)
• 38. ناوبری مبتنی بر GPS (برای فضاپیماهای نزدیک زمین)
• 39. ناوبری مبتنی بر رادار (برای فرود و برقراری ارتباط)
• 40. ناوبری در فضای عمیق (Deep space navigation)
• 41. ناوبری با استفاده از مشاهدات زمینی
• 42. ناوبری با استفاده از مشاهدات ماهواره ای
• 43. ناوبری در حضور خطای سنسور
• 44. ناوبری در حضور خطای مدل
• 45. ناوبری خودکار (Autonomous navigation)
• 46. معماری های MARL برای هدایت و ناوبری فضاپیما
• 47. معماری های عامل-محیط (Agent-environment architectures)
• 48. معماری های یادگیری متمرکز (Centralized learning)
• 49. معماری های یادگیری توزیع شده (Decentralized learning)
• 50. معماری های یادگیری نیمه متمرکز (Semi-centralized learning)
• 51. معماری های عامل-محیط مشترک (Shared agent-environment)
• 52. معماری های مبتنی بر عامل های مستقل (Independent learners)
• 53. معماری های مبتنی بر عامل های همکار (Cooperative agents)
• 54. معماری های مبتنی بر عامل های رقیب (Competitive agents)
• 55. معماری های ترکیبی (Hybrid architectures)
• 56. الگوریتم های MARL برای هدایت و ناوبری فضاپیما
• 57. MADDPG (Multi-Agent Deep Deterministic Policy Gradient)
• 58. VDN (Value Decomposition Networks)
• 59. QMIX (Q-value Mixing)
• 60. COMA (Counterfactual Multi-Agent Policy Gradient)
• 61. MAPPO (Multi-Agent Proximal Policy Optimization)
• 62. IQL (Independent Q-Learning)
• 63. DDPG (Deep Deterministic Policy Gradient) برای هر عامل
• 64. A3C (Asynchronous Advantage Actor-Critic) برای هر عامل
• 65. PPO (Proximal Policy Optimization) برای هر عامل
• 66. الگوریتم های مبتنی بر مدل در MARL
• 67. الگوریتم های بدون مدل در MARL
• 68. الگوریتم های یادگیری آفلاین (Offline learning) در MARL
• 69. الگوریتم های یادگیری آنلاین (Online learning) در MARL
• 70. تکنیک های افزایش عملکرد در MARL برای فضاپیما
• 71. تقویت یادگیری (Reward shaping)
• 72. تقسیم وظایف (Task decomposition)
• 73. یادگیری از طریق تقلید (Imitation learning)
• 74. یادگیری انتقالی (Transfer learning)
• 75. استفاده از مدل های پیشین (Prior knowledge)
• 76. مدیریت عدم قطعیت (Uncertainty management)
• 77. استراتژی های اکتشاف (Exploration strategies)
• 78. بهینه سازی های محاسباتی (Computational optimizations)
• 79. پیاده سازی و ارزیابی مدل های MARL
• 80. انتخاب محیط های شبیه سازی شده مناسب
• 81. معیارهای ارزیابی عملکرد (Performance metrics)
• 82. تست در سناریوهای مختلف
• 83. تحلیل حساسیت (Sensitivity analysis)
• 84. مقایسه با روش های سنتی
• 85. چالش های پیاده سازی در دنیای واقعی
• 86. نیاز به داده های واقعی
• 87. امنیت و قابلیت اطمینان
• 88. ملاحظات اخلاقی
• 89. مطالعات موردی و نمونه های عملی
• 90. کاربرد MARL در هدایت ماهواره های تشکیل دهنده منظومه (Constellation guidance)
• 91. کاربرد MARL در ناوبری ماهواره های تشکیل دهنده منظومه
• 92. کاربرد MARL در کنترل ماهواره های تشکیل دهنده منظومه
• 93. کاربرد MARL در هدایت و ناوبری ربات های فضایی (Robotic arms)
• 94. کاربرد MARL در هدایت و ناوبری مریخ نوردها (Rovers)
• 95. کاربرد MARL در هدایت و ناوبری کاوشگرهای اعماق فضا
• 96. کاربرد MARL در هدایت و ناوبری فضاپیماهای با قابلیت خودمختاری بالا
• 97. کاربرد MARL در مدیریت ترافیک فضایی (Space traffic management)
• 98. کاربرد MARL در تشخیص و جلوگیری از برخورد (Collision avoidance)
• 99. کاربرد MARL در هدایت و ناوبری فضاپیماهای در حال ورود مجدد به جو (Re-entry guidance)
• 100. کاربرد MARL در هدایت و ناوبری سفینه های حمل و نقل فضایی